Prueba de Hipotesis para una poblacion, para la media con muestras grandes.

Ejemplo 1: En un rancho, se desea determinar si la medición de producción de leche por la mañana es igual o
diferente a 280 lts. Usar un nivel de significancia del 5%
3. Cálculos: 252
252 252 277 261 313 310 300 282 308 271 Xbarra= 270571.000 267
267 209 339 205 240 217 247 216 317 297 S=σ TLC 271
271 281 290 247 301 265 267 218 287 312 VAR= 294
294 274 244 239 300 Z0= 252
Zα/2= 209
μ0: α= 0.050 281
1. Definir la hipótesis: α/2= 0.025 274
Ho: μ= 280 lt n= 277
H1: μdif 280 lt 339
290
2. Identificamos nuestro estadístico de prueba: 244
261
205
247
239
4. Criterio de rechazo: 313
|Zo| Z(alpha/2) 240
301
300
310
217
265
300
247

Ejemplo 2: Si se desea determinar si la media de produccion de leche por la mañana es igual o es mayor a 280. Se 267
tiene que Ho: μ = 280 vs H1: μ > 280.
282
Con α = 0.05 se tiene que Z 0.05 = NORMSINV(1-0.05) = 1.645 y recordemos que Z = -1.638. Como Z < Zα 216
no se puede rechazar Ho.
218
308
Ho: X barra= 317
H1: S= 287
VAR= 271
Z0= 297
Zα= 312

Ejemplo 3: Si se desea determinar si la media de produccion de leche por la mañana es igual o es menor a 280. Se
tiene que Ho: μ = 280 vs H1: μ < 280.
Con α = 0.05 se tiene que -Z 0.05 = NORMSINV(1-0.05) = -1.645 . Recordemos que Z = -1.638. Como Z > Zα
no se rechaza Ho.

Ho: X barra=
H1: S=
VAR=
Z0=
Zα=
Prueba de Hipotesis para dos poblaciones, para la media con muestras grandes.

COMPARACION DE DOS TRATAMIENTOS:

En los problemas de investigación experimental, es frecuente que sea necesario comparar dos tratamientos diferentes
o dos condiciones diferentes del proceso. Por ejemplo: dos tipos de dietas, formas de cultivar, máquinas, turnos, etc.
La comparación puede ser respecto a dos medias poblacionales, varianzas o proporciones o cualquier otro parámetro.

OJO: INTERESA INVESTIGAR SI EL PARÁMETRO POBLACIONAL DE DICHOS TRATAMIENTOS SE PUEDEN CONSIDERAR

ESTADÍSTICAMENTE IGUALES. (Si dos máquinas que funcionan al mismo tiempo de la misma forma obteniendo los
mismos resultado sde eficiencia; si dos dietas tienen la eficiencia ideal, si dos turnos de trabajo nos dan la
productividad ideal, si dos formas de cultivar no sdan la productividad ideal, etc)

DIFERENCIA DE DOS VARIANZAS:

→ La comparación entre varianzas tiene interdependencia con las medias, puesto que son determinantes en cualquier
proceso (una media muestral y una varianza muestral son determinantes para identificar cualquier proceso, y mucho
mas la media poblacional y la varianza poblacional).
→ A menor varianza, implica potencialmente mejor calidad (mismo criterio para la desviación estándar).
→ Suponer dos muestras aleatorias de tamaño n1 y n2 que provienen de poblaciones normales, con sus varianzas
muestrales correspondientes. (sólo así podremos lograr esta prueba de hipótesis)

1º Paso: Definir la Hipótesis: Prueba Bilateral. H0: σ21 = σ22 vs H1: σ21 ≠ σ22
2º Paso: Definir Estadístico de prueba: F = S21 / S22
En Excel: DISTR.F.INV(α/2, n1-1, n2-1)
DISTR.F.INV(1-α/2, n1-1, n2-1)
3º Paso: Criterio de rechazo o regla de decisión: Se rechaza H0 con nivel de significancia si:
F < F1-α/2, n1-1, n2-1 ó F > Fα/2, n1-1, n2-1
Criterio de rechazo universal (Minitab): si p -value < α se rechaza la H0

Ojo: recordar que para cualquier problema de dos poblaciones, de PH para dos poblaciones, es necesario empezar
haciendo la primera prueba para la varianza (o D.E.) y después continuar con la media.

Ejemplo 1: En un proceso de fundición es importante la utilización (en %) de acero por placa. Después de un
programa de mejora se desea determinar si se disminuyó la variabilidad del proceso. Se tomó una
muestra d etamaño 40 antes del programa de mejora y se obtuvo una desviación estándar muestral de
11.64%. Se tomó una muestra de tamaño 35 después del programa de mejora y se obtuvo una desviación
estándar muestral de 7.41%.

Se desea determinar si la varianza de la utilización de acero antes y después del programa de mejora son
iguales o diferentes, con α = 0.05.

Ho: σ21 = σ22 ó σ21 / σ22 = 1

H1: σ21 ≠ σ22 ó σ21 / σ22 ≠ 1

2 Estadistico de prueba: F = S21 / S22

 F0=

3 Calculos:

4 Criterio de rechazo:

5 Conclusion:
 ratamientos diferentes
máquinas, turnos, etc.
lquier otro parámetro.

UEDEN CONSIDERAR
rma obteniendo los
nos dan la

minantes en cualquier
ier proceso, y mucho

stándar).
, con sus varianzas

σ22

nificancia si:

necesario empezar

Después de un
so. Se tomó una
estándar muestral de
obtuvo una desviación

ograma de mejora son

Ejemplo 2: En un proceso de fundición es importante la utilización (en %) de acero por placa. Después de un programa de
desea determinar si se disminuyó la variabilidad del proceso. Se tomó una muestra d etamaño 40 antes del pro
mejora y se obtuvo una desviación estándar muestral de 11.64%. Se tomó una muestra de tamaño 35 después
programa de mejora y se obtuvo una desviación estándar muestral de 7.41%.

Se desea determinar si la varianza de la utilización de acero después de aplicar el programa de mejora es meno
varianza anterior, con α = 0.05.

1 Definición de la hipótesis:
Prueba unilateral: Prueba unilateral:
Ho: σ21 = σ22 ó σ21 / σ22 = 1 Ho:
H1: σ21 > σ22 ó σ21 / σ22 > 1 H1:

2 Estadistico de prueba: F = S21 / S22 2 Estadistico de prueba:

F0=

3 Calculos: 3 Calculos:
Falpha= n1=
F1-alpha= n2=
S1=
S2=
S1^2=
S2^2=
alpha=
alpha/2=

4 Criterio de rechazo: 4 Criterio de rechazo:

Regla de decisión: Se rechaza Ho con nivel de significancia α si: Regla de decisión: Se recha
F > Fα, n1-1, n2-1

5 Conclusion: 5 Conclusion:
pués de un programa de mejora se
etamaño 40 antes del programa de
a de tamaño 35 después del

rama de mejora es menor a la

rueba unilateral:
σ21 = σ22 ó σ21 / σ22 = 1
σ21 < σ22 ó σ21 / σ22 < 1

stadistico de prueba: F = S21 / S22

F0=

Falpha=
F1-alpha=

riterio de rechazo:
egla de decisión: Se rechaza Ho con nivel de significancia α si:
F < F1-α/2, n1-1, n2-1